पिछले लेख में, हमने ओपस कोडेक पर चर्चा की थी, जो बहुत कम बिट दर पर चलता है। लेकिन एक और कोडेक का लक्ष्य कम बिट दर भी हासिल करना है - यह कोडेक 2 है ।

कोडेक 2 केवल भाषण एन्कोडिंग के लिए है। और हालांकि बिटरेट प्रभावशाली है, ध्वनि ओपस के मामले में उच्च-गुणवत्ता वाली नहीं है, जिसे ऑडियो उदाहरणों में सुना जा सकता है। हालांकि, तंत्रिका नेटवर्क ( वेवनेट ) के साथ संयोजन में, कोडेक प्रभावशाली परिणाम दिखाता है।


एक तंत्रिका नेटवर्क वेवनेट के परतें

परिचय

कोडेक 2 खुला स्रोत है और भाषण कोडिंग के लिए डिज़ाइन किया गया है। यह 700 से 3200 बीपीएस से बिट्रेट्स पर केंद्रित है।

डेवलपर - डेविड रोव , एक इलेक्ट्रॉनिक इंजीनियर जो वर्तमान में दक्षिण ऑस्ट्रेलिया में रह रहा है। उन्होंने सितंबर 2009 में दुनिया के दूरदराज के क्षेत्रों में लोगों के लिए कम लागत वाले रेडियो संचार में सुधार के लक्ष्य के साथ परियोजना शुरू की। यह अंत करने के लिए, वह एक कोडेक विकसित करने जा रहा था जो स्ट्रीमिंग के लिए फ़ाइल आकार और बैंडविड्थ आवश्यकताओं को काफी कम कर देगा।

डेविड के अनुसार एक और प्रेरणा, मालिकाना कोडेक्स के विकल्प के रूप में एक पेटेंट-मुक्त कोडेक बनाने की थी, जो कि उनकी राय में, "महंगे और अनाड़ी लाइसेंस और कठोर नवाचार की आवश्यकता है।" उनका मानना ​​है कि आप पेटेंट किए गए कोडेक्स के बिना कर सकते हैं, इसलिए वह मुफ्त लाइसेंस के तहत सभी काम वितरित करता है।

संभावित आवेदन

लेखक कोडेक के विभिन्न अनुप्रयोगों का नाम देता है, उनमें से वीओआईपी, डिजिटल एचएफ / यूएचएफ रेडियो (विशेष रूप से शौकिया रेडियो के लिए एक संकीर्ण बैंड पर आवाज संचार, मालिकाना कोडेक्स का उपयोग कर समस्याओं से बचने के लिए), विकासशील देशों और दूरदराज के क्षेत्रों में संचार, जिसमें सेना, पुलिस और बचाव सेवाएं शामिल हैं। ।

Auphonic में, हम पॉडकास्ट, प्रस्तुतीकरण और ऑडियोबुक को बेहतर ढंग से संपीड़ित करने के लिए एक कोडेक के संभावित उपयोग में रुचि रखते हैं, जो उपयोग किए गए स्थान की मात्रा को कम कर सकते हैं और खराब नेटवर्क कनेक्शन के प्रभाव को कम कर सकते हैं।

यह कैसे काम करता है

बिटरेट को कम करने के लिए, न्यूनतम संभव जानकारी / डेटा के लिए भाषण को कम करना आवश्यक है, अर्थात, अत्यधिक प्रेषित जानकारी की मात्रा को कम से कम करें।

इसके लिए, कोडेक 2 हार्मोनिक साइनसोइडल भाषण कोडिंग का उपयोग करता है। वह भाषण को 10-30 एमएस के खंडों में विभाजित करता है, जिसे फ्रेम कहा जाता है। प्रत्येक फ्रेम को फिर एक मौलिक स्तर (पिच) और हार्मोनिक्स की संख्या के लिए विश्लेषण किया जाता है जो 4 kHz बैंडविड्थ में फिट होता है। इसके अलावा, 4 kHz की सीमा में प्रत्येक हार्मोनिक के लिए, आयाम और चरण दर्ज किए जाते हैं।

यह जानकारी तब एन्कोडेड है, और डिकोडर इस डेटा के आधार पर ध्वनि को पुनर्स्थापित करता है।


कोडेक 2 फ्लोचार्ट्स: एनकोडर (बाएं) और डिकोडर (दाएं)। रोवेल द्वारा चित्रण

अन्य कोडेक्स के साथ ऑडियो उदाहरण और तुलना

हालांकि यह सब सिद्धांत में बहुत अच्छा लगता है, लेकिन वास्तविकता में क्या? आइए सुनते हैं। यहाँ एक छोटी wav साउंड फ़ाइल है:

इंट्रो-मूल.वव - 1.3 एमबी

हम विभिन्न उपलब्ध बिटरेट पर कोडेक 2 (वेवनेट डिकोडर के बिना) लागू करते हैं: 3200 बीपीएस , 2400 बीपीएस , 1600 बीपीएस , 1200 बीपीएस और 700 बीपीएस ।

ये उदाहरण फ़ाइल आकार में महत्वपूर्ण कमी दिखाते हैं।

1 घंटे की ध्वनि के भंडारण के लिए उनकी मात्रा के संदर्भ में फ़ाइलों को देखें:

• 3200 बीपीएस पर, एक घंटे की ध्वनि के लिए सिर्फ 1.37 एमबी (एक पुराने 3 inch इंच फ्लॉपी डिस्क पर फिट) की आवश्यकता होती है!
• बिटरेट 2400 बीपीएस 1.03 एमबी / घंटा से मेल खाती है
• 1600 बीपीएस की बिट दर 0.68 एमबी / घंटा (या एक डिस्केट पर लगभग दो घंटे की ध्वनि है! )
• 1200 बीपीएस - 0.51 एमबी / घंटा तक
• 700 बीपीएस - 0.3 एमबी / एच तक

संपीड़न बहुत मजबूत है, लेकिन परिणाम स्पष्ट रूप से अप्राकृतिक लगता है।

तुलना के लिए, एक ही ध्वनि 8 केबीपीएस में एमपी 3 में है ।

फ़ाइल का आकार कोडेक 2 की तुलना में काफी बड़ा है, और गुणवत्ता शायद अभी भी अस्वीकार्य है। आप अच्छी तरह से सुन सकते हैं जिसे कभी-कभी सीज़ल कहा जाता है - कम-गुणवत्ता वाले एमपी 3 में निहित अजीब धातु लगता है।

साथ तुलना करने के लिए अंतिम कोडेक है। ऐसा लगता है कि यह दोनों दुनिया को एकजुट करता है, अर्थात, यह कम बिटरेट पर स्वीकार्य गुणवत्ता प्रदान करता है: ओपस ।

कम बिट दरों पर अपने आकर्षक प्रदर्शन के लिए धन्यवाद, Auphonic पहले से ही उपयोगकर्ताओं को 6 Kbps तक एन्कोडिंग प्रदान करता है, सबसे कम बिट दर जो कोडेक का समर्थन करता है।

6 केबीपीएस पर, ओपस कोडेक एमपी 3 8 केबीपीएस से काफी बेहतर लगता है। आवाज थोड़ी मुदित है, लेकिन यह अभी भी स्वाभाविक लगता है ।

ब्याज के लिए, कोडेक 2 पर लौटते हुए, आइए सुनें कि वह संगीत को कैसे एन्कोड करता है ! (ध्यान रखें कि कोडेक 2 का उद्देश्य संगीत एन्कोडिंग के लिए नहीं है, बल्कि केवल भाषण के लिए है)।

स्रोत फ़ाइल
एमपी 3 8 केबीपीएस

व्यक्तिगत रूप से, मैं इस तरह के एक बिटरेट पर एमपी 3 नहीं सुन सकता, तो चलिए कोडेक 2 के परिणामों पर नजर डालते हैं! तो, 3200 बीपीएस , 2400 बीपीएस , 1600 बीपीएस , 1200 बीपीएस , 700 बीपीएस ।

यह समझना आसान है कि इस उद्देश्य के लिए यह बिल्कुल उपयुक्त नहीं है!

कोडेक 2 और वेवनेट

जैसा कि हमने पहले ही सुना था, प्रभावशाली संपीड़न के बावजूद, परिणाम बहुत प्राकृतिक ध्वनि नहीं है।

लेकिन यहाँ बात और दिलचस्प हो जाती है अगर आप कॉर्नेल यूनिवर्सिटी लाइब्रेरी से बास्टियन क्लेन के काम को देखें। उन्होंने कोडेक 2 का इस्तेमाल एन्कोडिंग के लिए 2400 बीपीएस की बिटरेट पर किया, लेकिन कोडेक 2 डिकोडर को जेनरेटर वेवनेट डीप लर्निंग मॉडल के साथ बदल दिया (अधिक जानकारी के लिए "वेवनेट-आधारित कम बिटरेट एन्कोडिंग" लेख देखें)।

लेखकों के कुछ उदाहरण इस प्रकार हैं:

पुरुष की आवाज
स्रोत फ़ाइल
कोडेक 2
वेवनेट डेकोडर के साथ

स्त्री की आवाज
स्रोत फ़ाइल
कोडेक 2
वेवनेट डेकोडर के साथ

कोडेक 2 की तुलना में, हम गुणवत्ता में एक महत्वपूर्ण सुधार सुनते हैं, और जब मूल के साथ तुलना की जाती है, तो गुणवत्ता में कोई महत्वपूर्ण कमी नहीं होती है।

डेविड रोवे ने खुद कहा कि वह परिणाम को "कम बिट दरों पर भाषण कोडिंग में एक नाटकीय सुधार" और "एक अच्छा 8000 बिट / एस ब्रॉडबैंड मोड कोडेक " मानते हैं।

निष्कर्ष

हालांकि (मूल) कोडेक 2 कोडेक एक बहुत ही दिलचस्प काम है, इसका दायरा सीमित है और अंतिम परिणाम पॉडकास्टिंग के लिए उपयुक्त नहीं है। ऑडियो उदाहरणों से यह भी स्पष्ट है कि इसका उपयोग केवल आवाज को संपीड़ित करने के लिए किया जा सकता है, लेकिन संगीत नहीं।

फिर भी, WaveNet डिकोडर के साथ संयोजन में कोडेक 2 गुणवत्ता में काफी सुधार करता है, और पॉडकास्ट और ऑडियो पुस्तकों के वितरण के लिए कम बिट दर (2400 बीपीएस) बेहद दिलचस्प होगा: एक घंटे की ध्वनि के लिए केवल 1.03 एमबी स्थान की आवश्यकता होती है!

जब आउटपुटनेट प्रयोग करने योग्य रूप में दिखाई देता है तो ऑपोनिक आउटपुट फाइलों में कोडेक 2 सपोर्ट को जोड़ेगा। अब तक हमने केवल इनपुट फ़ाइलों के लिए कोडेक 2 के लिए समर्थन जोड़ा है।